Přejít na hlavní obsah
Čeština— Vyberte jazyk
Menu

Vytvoření workeru

Lekce 6 z 14 Aktualizováno 29. července 2026 Pokročilý
Na této stránce
  1. Role workeru
  2. Vytvoření minimálního workeru
  3. Co dělá run_worker()
  4. Worker s více workflow
  5. Doporučená struktura souborů
  6. Spuštění workeru
  7. Worker v produkci
  8. Klíčové poznatky

Role workeru

Worker je Python proces, který skutečně vykonává tvá workflow a aktivity. Připojuje se k platformě Mistral, naslouchá čekajícím úlohám a spouští je lokálně na tvém stroji nebo serveru. Tento architektonický detail často překvapí začátečníky: tvůj kód nikdy neopustí tvé prostředí; u Mistralu zůstává pouze stav orchestrace.

Důsledek je přímý a vysvětluje většinu problémů typu „nic se neděje“, se kterými se setkáš na začátku projektu: bez běžícího workeru se tvá workflow nemohou spustit. Můžeš sice vyvolat spuštění, ale ono bude jednoduše čekat, dokud se neobjeví dostupný worker. Worker je článkem mezi orchestračnou platformou Mistral a tvým lokálním kódem.

Vytvoření minimálního workeru

Funkční worker zabere jen několik řádků. Následující příklad záměrně kombinuje aktivitu, workflow a spouštěcí logiku do jediného souboru, abys ho mohl okamžitě spustit:

import asyncio
import mistralai.workflows as workflows

# Import your workflows and activities
@workflows.activity()
async def dire_bonjour(nom: str) -> dict:
    return {"message": f"Bonjour, {nom} !"}

@workflows.workflow.define(name="salutation_workflow")
class SalutationWorkflow:
    @workflows.workflow.entrypoint
    async def run(self, nom: str) -> dict:
        resultat = await dire_bonjour(nom)
        return resultat

# Start the worker
async def main() -> None:
    await workflows.run_worker([SalutationWorkflow])

if __name__ == "__main__":
    asyncio.run(main())

Klíčovou funkcí je workflows.run_worker(). Přijímá seznam tříd workflow, které tento worker může vykonávat – a pouze workflow. Aktivity jsou prostřednictvím nich automaticky objeveny, takže je nemusíš uvádět samostatně.

Co dělá run_worker()

Když zavoláš workflows.run_worker([MyWorkflow]), proběhnou postupně čtyři kroky. Nejprve se worker autentizuje u platformy Mistral pomocí tvého API klíče. Poté zaregistruje deklarovaná workflow a aktivity. Tato registrace informuje platformu, že pro identifikátor salutation_workflow existuje vykonavatel. Dále otevře trvalé připojení a čeká na úlohy, přičemž zůstává úmyslně nečinný, dokud není vyvoláno spuštění. Když přijde požadavek na spuštění, worker spustí kód lokálně a výsledky odešle zpět na platformu k uložení.

Worker zůstává aktivní, dokud běží Python proces, což je důvod, proč nikdy nevrátí řízení zpět do tvého terminálu. Použij Ctrl+C pro jeho korektní zastavení.

Worker s více workflow

Nic nevyžaduje jednoho workeru na jedno workflow. Jediný proces může hostovat více workflow, i když sdílejí aktivity. Zde slouží extraire_texte a analyser_sentiment oběma:

import asyncio
import mistralai.workflows as workflows

# --- Activities ---

@workflows.activity()
async def extraire_texte(url: str) -> dict:
    async with httpx.AsyncClient() as client:
        response = await client.get(url)
    return {"texte": response.text}

@workflows.activity()
async def analyser_sentiment(texte: str) -> dict:
    client = Mistral()
    response = await client.chat.complete_async(
        model="mistral-large-latest",
        messages=[
            {"role": "system", "content": "Analysez le sentiment : positif, négatif ou neutre."},
            {"role": "user", "content": texte}
        ]
    )
    return {"sentiment": response.choices[0].message.content}

@workflows.activity()
async def envoyer_alerte(message: str) -> dict:
    # Envoi vers Slack, email, etc.
    return {"status": "envoyé"}

# --- Workflows ---

@workflows.workflow.define(name="analyse_document")
class DocumentAnalysis:
    @workflows.workflow.entrypoint
    async def run(self, url: str) -> dict:
        extraction = await extraire_texte(url)
        sentiment = await analyser_sentiment(extraction["texte"])
        return sentiment

@workflows.workflow.define(name="surveillance_mentions")
class MentionMonitoring:
    @workflows.workflow.entrypoint
    async def run(self, url: str, seuil: str) -> dict:
        extraction = await extraire_texte(url)
        sentiment = await analyser_sentiment(extraction["texte"])
        if sentiment["sentiment"] == "négatif":
            await envoyer_alerte(f"Mention négative détectée : {url}")
        return sentiment

# --- Worker ---

async def main() -> None:
    await workflows.run_worker([
        DocumentAnalysis,
        MentionMonitoring,
    ])

if __name__ == "__main__":
    asyncio.run(main())

Doporučená struktura souborů

Jediný soubor funguje pro učení, ale ne pro živý projekt. Pro produkční prostředí rozděl kód do modulů podle typu:

mon-projet/
├── activities/
│   ├── __init__.py
│   ├── extraction.py      # extraire_texte()
│   ├── analyse.py          # analyser_sentiment()
│   └── notifications.py    # envoyer_alerte()
├── workflows/
│   ├── __init__.py
│   ├── analyse_document.py
│   └── surveillance.py
└── worker.py               # Single entry point

Soubor worker.py pak obsahuje pouze importy a spouštěcí logiku, čímž se stává čitelným přehledem toho, co tento proces umí vykonat:

import asyncio
import mistralai.workflows as workflows

from workflows.document_analysis import DocumentAnalysis
from workflows.monitoring import MentionMonitoring

async def main() -> None:
    await workflows.run_worker([
        DocumentAnalysis,
        MentionMonitoring,
    ])

if __name__ == "__main__":
    asyncio.run(main())

Spuštění workeru

uv run python worker.py

Worker zobrazí zprávu o připojení a zůstane aktivní, čekaje na úlohy. Měl bys vidět něco jako:

Worker connected. Listening for tasks...

Dokud se tato řádka neobjeví, nic nespouštěj. Nejprve zkontroluj svůj API klíč a síťové připojení.

Worker v produkci

Worker spuštěný ručně v terminálu zmizí po prvním odpojení SSH. Přenech jej správci procesů – systemd, supervisor nebo pm2 – který jej automaticky restartuje po pádu nebo restartu systému:

# With pm2 (if Node.js is available)
pm2 start "uv run python worker.py" --name workflow-worker

# With systemd (create a .service file)

Tento automatický restart dobře ladí s odolností: běžící workflow se sama obnoví, jakmile se nový proces připojí. Co se týče tajných údajů, nikdy nepoužívej API klíč přímo v kódu workeru, jinak skončí v tvém Git repozitáři. SDK si proměnnou prostředí přečte automaticky:

import os

# The SDK automatically reads MISTRAL_API_KEY
# No need to pass it explicitly

Nakonec zvaž logování. Worker emituje zprávy prostřednictvím standardního modulu logging v Pythonu. Jednoduchá konfigurace při startu ti poskytne stopu vykonaných aktivit, což je cenné pro pochopení toho, co běželo během incidentu:

import logging
logging.basicConfig(level=logging.INFO)

Klíčové poznatky

  • Worker je proces, který lokálně vykonává tvá workflow a aktivity
  • workflows.run_worker([...]) přijímá seznam tříd workflow k vykonání
  • Jediný worker může vykonávat více různých workflow
  • Worker zůstává aktivní a naslouchá úlohám, dokud běží proces
  • V produkci použij správce procesů, aby worker běžel nepřetržitě
  • API klíč je automaticky načten z proměnné MISTRAL_API_KEY